TEDARİKÇİ SEÇİMİNDE ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNİN KULLANILMASI
Aşır Özbek1
ÖZET
Doğru tedarikçinin seçilmesi, işletmelerin rekabet yeteneğinin artırılmasında ve maliyetlerin azaltılmasında, önemli bir etkiye sahiptir. En uygun tedarikçiyi seçme, bir birlerini etkileyen faktörlerin yer aldığı karmaşık bir problem türüdür. Karar verme sürecinde kalite, fiyat, esneklik ve teknoloji gibi birçok tedarikçinin nitel ve nicel performans göstergeleri dikkate alınmaktadır. Tedarikçilerin güçlü ve zayıf yönleri de tedarikçi seçim sürecinde göz önüne alınması gereken diğer faktörlerdir. Literatürde tedarikçi seçim problemini çözmek için çok sayıda ve farklı çok kriterli karar verme (ÇKKV) yöntemleri önerilmiştir. Bu çalışmada, bir işletme için en uygun tedarikçileri belirlemede Bulanık Analitik Ağ Süreci (BAAS) ve VIseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) yaklaşımına dayanan bütünleşik bir çözüm modeli geliştirilmiştir. BAAS, karar verme sürecinde, faktörler arasındaki bağımlılığı ve geri beslemeyi değerlendiren, nicel ve nitel kriterleri dikkate alabilen ÇKKV yöntemlerinden birisidir. Karar verme modelinin kriterleri ve karar ağı yapısı literatür taramasından elde edilen veriler ve uzman kişilerin görüşleri dikkate alınarak belirlenmiştir. Önerilen modelin kriter önem ağırlıkları BAAS ile seçeneklerin sıralanması ise VIKOR ile belirlenmiştir.
Anahtar Sözcükler: Bulanık Analitik Ağ Süreci, BAAS, Çok Kriterli Karar Verme, VIKOR, Tedarikçi Seçimi
1 Yrd. Doç. Dr. Kırıkkale Üniversitesi, Kırıkkale MYO, Bilgisayar Teknolojileri Bölümü, asirozbek@hotmail.com
THE USE OF MULTI-CRITERIA DECISION MAKING METHODS IN SUPPLIER SELECTION
ABSTRACT
A good supplier selection is important in order to enhance the enterprise’s ability of competition and minimizing the costs. Choosing the best supplier is a kind of complicated problem in the elements influencing each other. Qualitative and quantitative performance indicators such as quality, price, flexibility and technology should be considered in the period of decision. Another criteria to be considered is the strong and weak aspects of the supplier. Many and varied multi-criteria decision making methods of supplier selection are suggested in technical literature.In this study, a formula grounded on fuzzy analytic network process (FANP) and VIseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) in supplier selection is developed. FANP is one of the multi-criteria decision making (MCDM) methods which takes into consideration dependency, feedback, quantitative and qualitative criteria in the decision period. The criteria of the practice and the structure of decision network are determined according to the data in technical literature and specialist’s ideas. In this suggested method, significance of criteria is according to FANP and the ordering of options is determined according to VIKOR.
Keywords: Fuzzy Analytic Network Process, FANP, Multi-Criteria Decision Making, VIKOR, Supplier Selection
71
GİRİŞSatın alma, işletmelerin temel işlevlerinden biridir. Son yıllarda rekabet ortamının en kritik konularından birisi de satın alma süreci olmaktadır. Rekabetin çok şiddetli olduğu günümüzde, sürdürülebilir olmanın temel prensibi, üretim maliyetlerinin azaltılmasıdır. Uygun tedarikçi seçimi, satın alma maliyetlerini azaltabilir, üretimde esnekliği artırabilir, ürün kalitesi üzerinde olumlu etki yapabilir, müşteri memnuniyeti sağlayabilir ve organizasyonun rekabet yeteneğini önemli ölçüde artırabilir. Çünkü hammadde ve malzemenin maliyeti birçok sektörde son ürünün fiyatının büyük bir bölümünü (% 70) oluşturmaktadır (Ghodsypour ve O‘Brien, 1998:199). İşletmelerin ürettiği ürünün kalitesi, üretim kabiliyetinin yanı sıra tedarikçi tarafından temin edilen hammaddeye de bağlı olmaktadır. Tedarikçilerle yapılan uzun süreli iş ilişkisinin en önemli bileşeni uygun tedarikçiyi seçmektir (Kannan vd., 2014a:1).
Son yıllarda, en uygun tedarikçinin nasıl belirleneceği, tedarik zinciri yönetiminde stratejik bir faktör olarak kabul edilmektedir. İşletmeler, organizasyon üzerinde en az etkiye sahip tedarikçileri seçerek, stratejik konumunu güçlendirmek istemektedirler. Bu tür kararların çözümünde kesin bir yolu bulunmamaktadır. Tedarikçi seçimi, tedarikçileri, işletmenin tedarik zincirinin bir parçası haline getirmek için değerlendirme ve gözden geçirme sürecidir. Tedarikçi seçiminde temel amaç; tedarikçinin işletme ile uyum içinde olması ve makul maliyetle en yüksek verimi sağlamasıdır. Doğru tedarikçiyi bulmak işletmelerin stratejileri açısından çok önemlidir. Ancak işletmeler, uygun tedarikçiyi bulmakta zaman zaman zorluklarla karşılaşabilmektedirler. En doğru tedarikçi seçiminde; kalite, fiyat, esneklik ve teknoloji gibi birçok nicel ve nitel performans göstergeleri dikkate alınmaktadır. Son yıllarda en uygun tedarikçiyi değerlendirme ve seçme konusunda birçok çalışma yapılmıştır. Birçok araştırmacı, işletmelerin bu tür sorunlarını, çok kriterli karar verme (ÇKKV) sorunu olarak görmüş ve bu konunun çözümüne yönelik olarak çok farklı uygulamalar geliştirmişlerdir. İşletmeler uzun süreli stratejik ilişkiye girecekleri tedarikçileri belirlerken çok titiz ve dikkatli bir seçim yapmalıdırlar. Çünkü uzun vadeli yapılan iş sözleşmelerini iptal etmek, onarması güç sorunlar oluşturabilmektedirler. Bu ve benzeri nedenlerden dolayı tedarikçi seçim süreci çok iyi yönetilmelidir.
72
Literatürde tedarikçi seçim kriterlerinin belirlenmesi, tedarikçi seçimi ve değerlendirmesiyle ilgili çok farklı çalışmalar yapılmıştır. Bu çalışmaların ilki sayılabilecek araştırma; Dickson (1966) tarafında 273 satın alma sorumlusu ve müdürü ile görüşme yapılarak gerçekleştirilen anket çalışmasıdır. Dickson (1966), bu çalışmanın sonucunda tedarikçi değerlendirmede 23 adet temel kriter belirlemiştir. Yapılan literatür taraması sonucunda tedarikçi seçim sürecinde; kararı etkileyen birçok faktörün olmasından dolayı, etkin kararların alınabilmesi için doğrusal ağırlıklı modeller ve matematiksel programlama temeline dayanan Analitik Hiyerarşi Süreci (AHS), Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), Veri Zarflama Analizi (VZA), Hedef Programlama (HP), Doğrusal Programlama (DP) gibi yöntemlerin son yıllarda yaygın olarak kullanıldığı görülmektedir. Tablo 1’de son yıllarda yapılan çalışmaların bazıları listelenmiştir. Çalışmalar analiz edildiğinde yöntemlerin tek başına kullanıldığı gibi bütünleşik olarak da kullanıldığı görülmektedir.Tablo 1: Literatür Taraması
Yazar Adı Kullanılan Yöntem Yıl
Ghodsypour, S. H. ve O‘Brien, C. A. AHS ve Doğrusal Programlama 1998
Yahya, S. ve Kingsman, B. AHS 1999
Sarkis, J. ve Talluri, S. AAS 2002
Wang, G.; Huang, S. H. ve Dismukes, J. P. AHS ve Hedef Programlama 2004
Dağdeviren, M.; Dönmez, N. ve Kurt, M. AAS 2006
Bevilacqua, M.; Ciarapica, F.E. ve Giacchetta, G. Bulanık Kalite Fonksiyon Yayılımı 2006
Chan, F. T. S. ve Kumar, N. Bulanık AHS ve Bulanık TOPSIS 2007
Gencer, C. ve Gürpınar, D. AAS 2007
Chou, S.Y. ve Chang, Y.-H. Bulanık SMART 2008
Ha, S.H. ve Krishnan, R. AHS, VZA ve Yapay Sinir Ağı 2008
Lang, T. M.; Chiang, J. H. ve Lan, L.W. AAS 2009
Wang, J.-W.; Cheng, C.-H. ve Kun-Cheng, H Bulanık TOPSIS 2009
Sanayei, A.; Mousavi, S.,F.ve Yazdankhah, A.
Bulanık VIKOR ve Çevresel Etki
Analiz Yöntemi 2010
Saen, R. F. VZA 2010
Fazlollahtabar, H.; Mahdavi, I.; Ashoori, M.T.; Kaviani, S. ve Mahdavi-Amiri, N.
AHS, TOPSIS ve Çok Amaçlı
Doğrusal Olmayan Programlama 2011
Lin, C. T.; Chen, C. B. ve Ting, Y. C. AAS 2011
Dalalah, D.; Hayajneh, M. ve Batieha, F. Bulanık DEMATEL ve Bulanık 2011
73
TOPSIS
Liao, C-.N. ve Kao, H-.P. TOPSIS ve Hedef programlama 2011
Shemshadi, A.; Shirazi, H.; Toreihi, M. ve Tarokh, M.J. Bulanık VIKOR 2011
Toloo, M. ve Nalchigar, S. VZA 2011
Shaw K.; Shankar, R.; Yadav, S.S. ve Thakur, L.S.
Bulanık AHS ve Çok Amaçlı
Doğrusal Programlama 2012
Büyüközkan, G. ve Çiftçi, G. Bulanık DEMATEL, Bulanık AAS ve
Bulanık TOPSIS 2012
Girubha, J. ve Vinodh, S.
Bulanık VIKOR ve Çevresel Etki
Analiz Yöntemi 2012
Zouggari, A. ve Benyoucef, L. Bulanık TOPSIS 2012
Sharma, S. ve Balan, S.
Taguchi, TOPSIS ve Çok Kriterli
Hedef Programlama 2012
Dey S.; Kumar A.; Ray, A. ve Pradhan, B. B.
Kalite Fonksiyon Dağıtım ve
DEMATEL 2012
Kılıç, H. S. Doğrusal Programlama ve Bulanık
TOPSIS 2013
Roshandel, J.; Miri-Nargesi, S. S. ve Hatami-Shirkouhi, L Hiyerarşik Bulanık TOPSIS 2013
Azizi, H. VZA 2013
Zhao, M. ve Ren, R. R. TOPSIS 2013
Rajesh, G. ve Malliga, P. AHS ve Kalite Fonksiyon Yayılımı 2013 Kannan, D.; Khodaverdi, R.; Olfat, L.; Jafarian, A. ve
Diabat, A.
AHS, TOPSIS ve Çok Amaçlı
Doğrusal Programlama 2013
Deng, X.; Hu, Y.; Deng, Y. ve Mahadevan, S. Geliştirilmiş AHS 2014 Kannan, D.; Jabbour, A. B. L. D. S. ve Jabbour, C. J. C. Bulanık TOPSIS 2014 Ware, N. R.; Singh, S. P. ve Banwet, D. K.
Karışık Tamsayı Doğrusal Olmayan
Programlama 2014
Kumar, S. Yeşil VZA 2014
Karimi, H. ve Rezaeinia, A. Çok Segmentli Hedef Programlama 2014 Jadidi, O.; Zolfaghari, S. ve Cavalieri, S. Hedef Programlama 2014 Kannan, D.; Kannan, G. ve Rajendran, S. Bulanık Aksiyomatik Tasarım 2014 Bu çalışmanın amacı; Kayseri,’de 178 çalışanı olan bir üretim işletmesinin uzun yıllar birlikte çalışacağı en uygun tedarikçi firmayı seçmede, işletme yöneticilerinin spesifik yazılımlara ihtiyaç duymadan basit olarak uygulayabilecekleri bir karar verme modeli geliştirmektir. Literatür taraması sonucunda tedarikçi seçimim problemlerinin çözümünde çok farklı yöntemlerin ya tek başına ya da bütünleşik olarak kullanıldığı görülmüştür. Ancak tedarikçi seçim probleminin çözümünde BAAS ve VIKOR yöntemlerinin bütünleşik olarak
74
kullanıldığı bir modele rastlanmamıştır.Çalışma dört bölümden oluşmaktadır. İkinci bölümde Analitik Ağ Süreci (AAS), BAAS ve VIseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) yöntemleri tanıtılmış ve bu yöntemlerle geliştirilen bazı uygulamalara değinilmiştir. Üçüncü bölümde 11 kriterin kullanıldığı tedarikçi seçim modeli uygulanmıştır. Son bölümde ise yapılan çalışma değerlendirilmiş ve bu konuda gelecekte yapılacak çalışmalar için öneriler sunulmuştur.
I. YÖNTEM
A. Analitik Ağ Süreci
Literatürde ÇKKV problemlerinin çözümünde; fayda-maliyet analizi, HP, TOPSIS, VIKOR, PROMETHEE ya da AHS gibi birçok yöntem bulmak mümkündür. Ancak; bu yöntemler, kriterler arasındaki yatay bağımlılıkları dikkate almamaktadır. Kriterler arasındaki yatay ya da dikey bağımlılıkları dikkate alan AAS yöntemidir (Peters ve Zelewski, 2008:475).
AAS, Saaty (2001) tarafından AHS’nin genelleştirilmesi ile geliştirilmiş ve AHS’de olduğu gibi nicel verilerin yanında nitel verileri de değerlendirme sürecine dâhil edebilen bir yöntemdir. Bu yöntem, karar verme sürecinde yer alan kriterler arasındaki yatay ya da dikey etkileşimleri dikkate alan ve problemin yukarıdan aşağıya doğru bir yapıda tasarlanması zorunluluğunu ortadan kaldırmaktadır. Yatay etkileşimleri dikkate almak için AAS’de yukarıdan aşağıya doğru hiyerarşik bir yapı yerine karar ağı yapısı seçilmektedir.
Bir karar ağı, kümeler, elemanlar ve etkilerden oluşmaktadır. Kümeler ana kriterleri, elemanlar ise alt kriterleri ya da seçenekleri göstermektedir. Kümeler, içerisinde elemanlardan oluşan elips şeklinde gösterilmektedir (Saaty, 2001:151). Karar ağında ana kriterler, etkileşimde bulunan kümeleri, alt kriterler de elemanları karşılaştırmada kullanılmaktadır (Peters ve Zelewski, 2008:480).
Bir hiyerarşide üst düzeydeki elemanların daha alt seviyedeki elemanlarla etkileşimleri söz konusu olabilmektedir. Bu durum karşılıklı bağımlılıkların ortaya çıkmasına neden olmaktadır. Bu nedenle çözülmesi gereken birçok karar sorunu, hiyerarşik yapıda oluşturulamamaktadır. Diğer taraftan bir karar ağında tüm elemanların diğer kümelerdeki ve bulundukları kümelerdeki tüm elemanlarla etkileşim halinde olmaları söz konusu olmamaktadır
75
(Saaty, 2001:91). Yöntem, sadece belirli kümeler altındaki elemanların ikili karşılaştırmalarını değil, birbiri ile etkileşimde olan tüm elemanların bağımsız olarak karşılaştırılabilmesine imkân sağlamaktadır (Saaty, 2001:91).Şekil 1’de bir karar ağı yapısı verilmiştir (Saaty, 2001:152). Bu karar ağı yapısı altı kümeden oluşmaktadır. Ağ yapısının C1 kümesi sadece C2 kümesini etkilemektedir. C2 kümesi ise C1 ve C3 kümelerini etkilerken aynı zamanda kendi içerisindeki elemanlar arasında da etkileşimi söz konusudur. C3 kümesi C4 ve C5 kümelerini etkilerken, C4 kümesi C1 ve C5 kümelerini etkilemektedir. C5 kümesi C1, C3, C4 kümelerini etkilerken aynı zamanda kendi içerisindeki elemanlar arasında da etkileşim söz konusu olmaktadır. C6 kümesi ise C1 ve C4 kümelerini etkilerken, diğer taraftan kendi içerisindeki elemanlar arasında da etkileşim olmaktadır.
Şekil 1: AAS Karar Ağı Yapısı
AAS, çok farklı karar problemlerinin çözümünde başarılı şekilde uygulanmıştır. Tavana (2012) sosyal medya platformu seçiminin kriter önem ağırlıklarının belirlenmesinde; Ivanović vd. (2013) ulaşım projelerinin seçiminde AAS yöntemini kullanmışlardır. Yeh ve Huang (2014) rüzgar çiftliklerinin yerini belirlemede dikkate alınması gereken temel faktörlerin tespitinde AAS ve DEMATEL; Aragonés-Beltrán vd. (2014) belirli bir güneş termik santral projesine yatırım karar verme ve şirketin portföyündeki projelerin öncelik sırasını belirlemede AHS ve AAS; Kabak ve Dağdeviren (2014) Türkiye'nin enerji durumunu tespit etmede ve alternatif yenilenebilir enerji kaynaklarının önceliklerini belirlemede faydalar, fırsatlar, riskler ve maliyetler çerçevesinde ve AAS yöntemine dayanan bütünleşik bir model önermişlerdir.
C1
C2
C3
C5 C4
C6
76 B. Bulanık Analitik Ağ Süreci
Bulanık mantık kavramı ilk olarak Zadeh (1965) tarafından geliştirilmiştir. Bulanık mantık, belirsizlik ve kesin olmayan problemlerinin çözümünde yaygın olarak kullanılan bir yöntemdir (Chen ve Chen, 2008:85). Teori, matematiksel işlemleri ve programlamayı bulanık alanda uygulamaya oldukça elverişlidir.
Geleneksel küme yaklaşımında; kümenin üyeleri, 0 ya da 1, “evet” veya “hayır” gibi ikiye bölme kuralına göre belirlenmektedir. Bulanık mantık da ise “orta”, “yüksek”, “düşük”
gibi ortalama değerler kullanılmaktadır. Bir bulanık küme, her bir elemanı 0 ile 1 arasında değişen üyelik derecesine sahip bir fonksiyon μA(x) ile tanımlanmaktadır. Bir x faktörü A kümesine kesinlikle ait ise μA(x)=1, kesinlikle ait değil ise μA(x)=0 olmaktadır. Daha yüksek bir üyelik derecesi değeri, x faktörünün A kümesine ait olma derecesinin daha yüksek olduğunu göstermektedir (Dağdeviren, 2007:793).
Yapılan çalışmalarda yaygın olarak üçgen ya da yamuk bulanık sayılar kullanılmaktadır. Bulanık sayıların özel bir sınıfı olan üçgen bulanık sayı , üç gerçek sayı ile ifade edilmekte ve üyelik fonksiyonu da bu sayılara bağlı olarak tanımlanmaktadır. Formül (1)’de üçgen bulanık sayının üyelik fonksiyonu tanımlanmaktadır (Zimmermann, 1990). Şekil 2’de üçgensel bulanık sayının üyelik fonksiyonu görülmektedir.
Şekil 2: Bulanık Üçgen Sayı μA(x)
x 1
0
l m u
77
(l, m, u) ile ifade edilen üçgen bulanık sayısında l, m ve u parametreleri, sırasıyla, mümkün olan en küçük, en geniş ve en büyük değeri temsil etmektedir.= ( l
a, m
a, u
a) ve = ( l
b, m
b, u
b) iki üçgen bulanık sayı olmak üzere bulanık sayılar üzerindeki temel aritmetik kurallar şu şekilde tanımlanır (Zimmermann, 1990).
Toplama:
Çıkarma:
Çarpma:
Bölme:
Tersini Alma:
BAAS yöntemi, çok farklı çalışmalarda başarılı olarak uygulanmıştır. Wu vd. (2006) Taiwan’da ki sağlık örgütlerinin performansını ölçmede ve kriz yönetimini değerlendirmede;
Güneri vd. (2009) tersane yeri seçiminde; Vinodh vd. (2011) üretim işletmesi için tedarikçi seçiminde; Tavana vd. (2013) Ulusal Havacılık ve Uzay Dairesi’nin ileri teknoloji projelerinin önceliklerinin belirlenmesinde; Nguyen vd. (2014) tezgah seçiminde BAAS yöntemini kullanmışlardır.
BAAS ile problemlerinin çözümü beş temel adımdan oluşmaktadır. Bu adımlar aşağıda açıklanmaktadır.
Adım 1: Problemin Tanımlanması ve Karar Ağının Tasarlanması
Bu aşamada problem açık bir şekilde tanımlanmalı, kümeler, küme elemanları, küme içi ve dışı bağımlılıklar belirlenerek karar ağı tasarlanmalıdır. Kriterler belirlenirken uzmanların görüşleri ve literatür taraması sonucunda elde edilen bulgular dikkate alınabilir.
78 Adım 2: İkili Karşılaştırma Matrislerinin Oluşturulması ve Bulanık Önem Ağırlıklarının Hesaplanması
BAAS’de kararları etkileyen kriterler ikili olarak karşılaştırılarak bulanık önem ağırlıkları belirlenir. Kümeler birbirleriyle, küme içindeki elemanlar kendi içlerinde ve ilişkili olduğu diğer küme elemanlarıyla ikili olarak karşılaştırılır. Her hangi bir elemanla etkileşim içinde olmayan bir elemanın değeri, matriste (0,0,0) olarak belirtilir. Bu matrislerin oluşturulmasında Saaty (2001) tarafından önerilen Tablo 2’de gösterilen karşılaştırma ölçeğini temel alarak, Prakash (2003) tarafından oluşturulan Tablo 3’de verilen ölçek değerleri ve karşılığı olan üçgen bulanık sayılar kullanılabilir.
Tablo 2: Karşılaştırma Ölçeği
Önemi Tanım Açıklama
1 Eşit öneme sahip Her iki seçenekte eşit değerde öneme sahip
3 Biraz önemli Bir kriter diğerine göre biraz daha önemli sayılmıştır 5 Fazla önemli Bir kriter diğerine göre çok daha önemli sayılmıştır
7 Çok fazla önemli Kriter diğer kritere göre kesinlikle çok fazla önemli sayılmıştır 9 Son derece önemli Bir kriterin diğerine göre son derece önemli olduğu çeşitli bilgilere
dayandırılmıştır.
2, 4, 6, 8 Ara dereceler Gerektiğinde kullanılabilecek ara değerler.
Tablo 3: Kriter Karşılaştırmalarında Kullanılan Ölçek Değeri ve Üçgen Bulanık Sayılar Ölçek Değeri Üçgen Bulanık Sayılar Ölçek Değeri Ters Üçgen Bulanık Sayılar
1 (1, 1, 1) 1/1 (1/1, 1/1, 1/1)
2 (1, 2, 4) 1/2 (1/4, 1/2, 1/1)
3 (1, 3, 5) 1/3 (1/5, 1/3, 1/1)
5 (3, 5, 7) 1/5 (1/7, 1/5, 1/3)
7 (5, 7, 9) 1/7 (1/9, 1/7, 1/5)
9 (7, 9, 11) 1/9 (1/11, 1/9, 1/7)
Karşılaştırmalar, formül (7)’de görüldüğü gibi ikili karşılaştırma matrisinin tüm değerleri (1) olan köşegeninin üstünde kalan değerler için yapılmaktadır. bulanık sayısı, i.
eleman ile j. elemanın ikili karşılaştırma değeri olarak gösterilecek olursa, bulanık sayı değeri eşitliğinden elde edilir.
79
İkili karşılaştırma matrislerinin düzenlenmesinden sonra bulanık geometrik ortalama yöntemi ile kriterlerin ortalama değerleri bulunur. Kriterlerin bulanık önem ağırlıkları; her bir kriterin bulanık geometrik ortalamasının ilgili kriterin bulanık değerlerin toplamına bölünmesiyle bulunur.Adım 3: Bulanık Önem Ağırlıkların Durulaştırılması ve Normalleştirilmesi
Kriter bulanık önem ağırlıklarının her hangi bir durulaştırma yöntemi ile durulaştırılması gerekir. Bulanık üçgen sayıların durulaştırılmasına yönelik olarak literatürde birçok yöntem yer almaktadır. Burada uygulanan (8) numaralı formül ile ifade edilen durulaştırma yöntemi; Hus ve Nian (1997) ve Lious ve Wang (1992)’ın çalışmalarını esas almaktadır. Bu çalışmalarda; karar vericilerin risk tolerans (λ) ve tercih (α) değerleri dikkate alınmaktadır. α, 0 ile 1 arasında herhangi bir değer alabilen sabit ya da değişken bir durumu ifade etmektedir. λ değişkeni ise 0 ile 1 arasında bir değer alabilmekte ve karar vericinin eğilimini yansıtmaktadır. λ değişkeninin 0 değerini alması karar vericinin daha iyimser, 1 değerini alması ise daha kötümser olduğu anlamına gelmektedir. Uygulamamızda α ve λ değişkenlerine 0,5 değeri verilmiştir.Burada;
i. kriterlerin durulaştırılmış yerel önem ağırlıkları i. kriterin yerel önem ağırlıkları toplamına bölünerek normalleştirilir. Normalleştirme sonucunda kriterlerin önem ağırlıkları toplam değeri 1 olur.
(7)
80
Adım 4: Süpermatris ve Limit Süpermatrisin OluşturulmasıKriterlerin amaca göre kendi aralarındaki ikili karşılaştırmalar yoluyla elde edilen önem ağırlıklarının diğer bir ifadeyle öncelik vektörlerinin bir matriste bir araya getirilmesiyle süpermatris elde edilir. Süpermatriste elemanlar arasındaki dolaylı etkiler yerine sadece direkt etkiler dikkate alındığı zaman; süpermatrisin büyük dereceden kuvvetinin alınması gerekmektedir. Kuvvet alma işlemi, aynı satıra karşılık gelen sütun değerleri birbirine eşit olana kadar, yani matrisin satırları durağanlaşıncaya kadar devam eder. Elde edilen yeni matris, limit süpermatris olarak adlandırılır (Saaty, 2001:112). Karar sürecini etkileyen en önemli kriter, limit süpermatriste en yüksek önceliğe sahip olan elemandır. Bu sonuçlar bize kriterlerin nihai önem ağırlıklarını vermektedir.
C. VIKOR Yöntemi
VIKOR yöntemi, ilk defa 2004 yılında Opricovic ve Tzeng (2004) tarafından yapılan çalışmada ÇKKV problemlerinin çözümünde kullanılmıştır. Yöntemin çeşitli araştırmacılar tarafından 2004 yılından itibaren farklı alanlardaki çalışmalarda kullanıldığı görülmektedir.
Yöntemin amacı, seçeneklerin sıralanmasında uzlaşık çözüme ulaşmaktır. Uzlaşık çözüme ulaşmak için her bir kritere göre değerlendirilen her seçeneğin, ideal seçeneğe yakınlık değerleri karşılaştırılmaktadır (Opricovic ve Tzeng, 2007:516). Opricovic (2009) su kaynakları planlamasında, Ali-Mohammad vd. (2010) bilgi portal sisteminin seçiminde, Cristóbal (2011) İspanya’daki yenilenebilir enerji projelerinin seçiminde VIKOR yöntemini kullanmışlardır.
Sanayei vd. (2010) otomotiv sektöründe parça tedarikçisi seçiminde, Shemshadi (2011) tedarikçi seçiminde, Liou vd. (2011) Tayvan yerli havayolların hizmet kalitesini artırmada, Devi (2011) robot seçiminde bulanık VIKOR yöntemini uygulamışlardır. Tzeng vd. (2005) toplu taşımada kullanılacak alternatif yakıtların değerlendirmesinde VIKOR, TOPSIS ve AHS; Wua vd. (2009) performans ölçümü amacıyla üç bankayı yirmi üç kriter kapsamında bulanık ortamda analiz etmede AHS ve VIKOR; Liou ve Chuang (2010) dış kaynak kullanım alternatiflerinin seçiminde AAS ve VIKOR; Kuo ve Liang (2011) hava limanlarının servis kalitesini değerlendirmede bulanık VIKOR ve GİS; Girubha ve Vinodh (2012) otomobil parçası
81
tedarikçisinin malzeme seçiminde bulanık VIKOR ve çevresel etki analiz yöntemini kullanmışlardır.Uzlaşık sıralama algoritması VIKOR aşağıdaki adımlardan oluşmaktadır:
Adım 1: Her kriter için en iyi ve en kötü değerleri belirlenir.
ve ‘nin alacağı değer, kriterin fayda ya da maliyet cinsinden olup olmadığına göre değişmektedir.
Adım 2: S
jve R
jdeğerleri, j= 1,2,...,j için hesaplanır.
w
i, kriter ağırlıklarını ve göreceli önemleri göstermektedir.
Adım 3: Q
jdeğerleri tüm j= 1,2,...,j için belirlenir.
v değeri, maksimum grup faydasını sağlayan strateji için ağırlığı ifade etmektedir.
Adım 4: S, R ve Q değerleri küçükten büyüğe doğru sıralanarak, seçenekler arasında üç adet sıralama listesi oluşturulur.
Adım 5: Eğer aşağıdaki iki koşul sağlanırsa; seçeneklerin Q değerlerine göre
küçükten büyüğe doğru sıralanmasında en iyi sırayı sağlayan seçeneği uzlaşık
çözüm olarak önerilir.
82 C1. Kabul edilebilir avantaj:
(12) numaralı formüldeki değeri, Q değerine göre küçükten büyüğe doğru yapılan sıralamada ikinci sırayı alan seçenek olmaktadır. (13) numaralı formüldeki J değişkeni, seçenek sayısını göstermektedir. Seçenek sayısı 4’ten küçükse D(Q)= 0,25 alınmaktadır.
C2. Karar vermede kabul edilebilir istikrar:
S ve/veya R değerlerine göre yapılan sıralamada da , en iyi sıradaki seçenek olmalıdır. Eğer koşullardan biri yerine getirilemezse bu durumda uzlaşılmış ortak çözüm kümesi aşağıdaki gibi önerilmektedir.
Eğer C2 koşulu yerine getirilemiyor ise; ve seçenekleri yani birinci (A
1)
ve ikinci (A
2) sıradaki seçenekler en iyi uzlaşık çözüm olarak belirlenmektedir.
Eğer C1 koşulu yerine getirilemiyorsa; , , ... , yani (A
1, A
2, … , A
M)
seçenekleri uzlaşılmış en iyi çözüm kümesi olarak belirlenmektedir. , maksimum M için formülü ile belirlenmektedir.
II. UYGULAMA
Problemin Tanımlanması ve Karar Ağının Tasarlanması
Bir işletmenin üretim sürecinde kullanacağı malzemelerin tedariki için tedarikçi
seçim modeli tasarlanacaktır. Bu nedenle literatür taraması sonucu Kalite (K), Fiyat (F),
Teslimat (T), Hizmet (H), Esneklik (E), Teknik Yeterlilik (TY), Teknolojik Kabiliyet
83 (TK), Yönetim ve Organizasyon (YO), Geçmiş Performans (GP), Finansal Durum (FD) ve Coğrafi Konum (CK) faktörleri seçim kriteri olarak belirlenmiştir. Kriterlerin kendi aralarındaki etkileri Tablo 4’de gösterilmiştir. Tablo 4’de gösterilen etkiler dikkate alınarak Şekil 3’de görülen karar ağ yapısı oluşturulmuştur.
Tablo 4: Karar Ağının Kriterleri ve Etkileri
Kriter Kriter
Sembolü Etkilediği Kriter Etkilendiği Kriter
Kalite K F, H, GP, FD F, TY, TK, YO, GP, FD, CK
Fiyat F K, H, TY, TK, GP, FD, CK K, T, H, TY, TK, YO, GP, FD, CK Tablo 4: Karar Ağının Kriterleri ve Etkileri (Devam)
Teslimat T F, H, E, GP, FD H, E, TY, TK, YO, GP, FD, CK
Hizmet H F, T, GP, FD K, F, T, E, TY, TK, YO, GP, FD,
CK
Esneklik E T, H, GP, FD T, TY, TK, YO, FD, CK
Teknik Yeterlilik TY K, F, T, H, E, GP, FD F, TK, YO, FD, CK Teknolojik Kabiliyet TK K, F, T, H, E, TY, YO, GP,
FD F, YO, FD
Yönetim ve
Organizasyon YO K, F, T, H, E, TY, TK, GP,
FD TK, GP, FD, CK
Geçmiş Performans GP K, F, T, H, YO, FD K, F, T, H, E, TY, TK, YO, CK Finansal Durum FD K, F, T, H, E, TY, TK, YO,
CK K, F,T, H, E, TY, TK, YO, GP
Coğrafi Konum CK K, F, T, H, E, TY, YO, GP F, FD
84
Şekil 3: Karar Ağıİkili Karşılaştırma Matrislerinin Oluşturulması
Amaç dikkate alınarak her bir kritere diğer kriterlerin etkilerini belirlemek için on bir adet ikili karşılaştırma matrisi düzenlenmiştir. İkili olarak karşılaştırılan kriterlerin, temel alınan kriteri ne oranda etkiledikleri Tablo 2 ve Tablo 3’de belirtilen ölçeğe göre yapılmıştır. Bu kısımda amaç dikkate alınarak, K kriterine diğer kriterlerin etkilerinin nasıl belirlendiği örnek olarak gösterilmiştir. Tablo 4 ve Şekil 3’de gösterildiği gibi K kriterini; F, TY, TK, YO, GP, FD ve CK kriterleri etkilemektedir. Bu nedenle bu kriterlerin ikili olarak karşılaştırıldığı bir matris Tablo 5’de gösterildiği gibi oluşturulmuştur.
Kalite
Fiyat
Teslimat
Yönetim Organizasyon
Hizmet
Coğrafi Konum
Esneklik
Teknik Yeterlilik
Teknolojik Kabiliyet Geçmiş
Performans
Finansal Durum
85
Tablo 5: Kalite Kriterine Etki Eden Kriterlerin İkili Olarak KarşılaştırılmasıF TY TK YO GP FD CK
F 1,00 1,00 1,00 5,00 7,00 9,00 0,25 0,50 1,00 0,25 0,50 1,00 7,00 9,00 11,00 3,00 5,00 7,00 7,00 9,00 11,00
TY 0,11 0,14 0,20 1,00 1,00 1,00 0,14 0,20 0,33 1,00 1,00 1,00 1,00 3,00 5,00 1,00 3,00 5,00 3,00 5,00 7,00 TK 1,00 2,00 4,00 3,00 5,00 7,00 1,00 1,00 1,00 3,00 5,00 7,00 7,00 9,00 11,00 3,00 5,00 7,00 7,00 9,00 11,00 YO 1,00 2,00 4,00 1,00 1,00 1,00 0,14 0,20 0,33 1,00 1,00 1,00 5,00 7,00 9,00 3,00 5,00 7,00 5,00 7,00 9,00 GP 0,09 0,11 0,14 0,20 0,33 1,00 0,09 0,11 0,14 0,11 0,14 0,20 1,00 1,00 1,00 0,14 0,20 0,33 0,25 0,50 1,00 FD 0,14 0,20 0,33 0,20 0,33 1,00 0,14 0,20 0,33 0,14 0,20 0,33 3,00 5,00 7,00 1,00 1,00 1,00 3,00 5,00 7,00 CK 0,09 0,11 0,14 0,14 0,20 0,33 0,09 0,11 0,14 0,11 0,14 0,20 1,00 2,00 4,00 0,14 0,20 0,33 1,00 1,00 1,00
Tablo 5’de K kriterine etki eden diğer kriterlerin ne oranda etkili oldukları gösterilmiştir. Benzer şekilde sırasıyla diğer on kritere de etki eden kriterler karşılaştırılarak toplamda 11 adet ikili karşılaştırma matrisi oluşturulmuştur.
Bulanık Ham Önem Ağırlıkların Hesaplanması
Her kriterin ham bulanık önem ağırlıklarını bulmak içi bulanık sayıların geometrik ortalaması alınmıştır. Örnek olarak K kriterine etkisi olan kriterlerin karşılaştırıldığı Tablo 5’de;
F kriterinin geometrik ortalamasının nasıl bulunduğu aşağıda gösterilmiştir:
Her bir geometrik ortalama, geometrik ortalamaların toplamına bölünerek bulanık ham önem ağırlıkları bulunmuştur. Bulanık sayıların bölme işleminde (5) numaralı formül kullanılmıştır. K kriterine etkisi olan kriterlerden F kriteri için bulanık önem ağırlıkları aşağıda gösterilmiştir.
86
Bulanık ham önem ağırlıkları (8) numaralı formül kullanılarak durulaştırma işlemine tabi tutulmuştur. F kriterinin bulanık önem ağırlığının durulaştırma süreci aşağıda örnek olarak açıklanmıştır. Uygulamamızda α ve λ değişkenlerine 0,5 değeri verilmiştir.Durulaştırma sürecinden sonra durulaştırılan ham önem ağırlıkları, toplam ham önem ağırlıklarına bölünerek normalleştirilmiştir. F kriterinin normalleştirilme süreci örnek olarak verilmiştir:
Tablo 6: Kalite Kriterine Etki Eden Kriterlerin Ham Önem Ağırlıkları
GEOMETRİK ORTALAMA
BULANIK HAM ÖNEM
AĞIRLIKLARI
DURULAŞTIRMA
NORMALLEŞTİRİLMİŞ HAM ÖNEM
AĞIRLIKLARI F 1,728 2,554 3,586 0,115 0,235 0,482 0,267 0,237
TY 0,647 1,037 1,420 0,043 0,096 0,191 0,106 0,094 TK 2,792 4,123 5,568 0,186 0,380 0,749 0,424 0,375 YO 1,403 1,925 2,578 0,093 0,177 0,347 0,199 0,176 GP 0,182 0,249 0,390 0,012 0,023 0,052 0,028 0,025 FD 0,472 0,679 1,089 0,031 0,063 0,146 0,076 0,067 CK 0,211 0,282 0,406 0,014 0,026 0,055 0,030 0,027 TOPLAM 7,436 10,848 15,037 1,129 1,000
Süpermatrisin Oluşturulması
Her bir kritere (kümeye) etki eden diğer kriterlerin ikili olarak karşılaştırılmaları sonucu elde edilen normalleştirilmiş ham önem ağırlıkları (öncelik vektörleri) süpermatris diye adlandırılan bir matriste birleştirilmiştir. Her bir kümenin ham önem ağırlıklarının yer aldığı bu yeni matris Tablo 7’de gösterilmektedir. K kümesine etki eden kriterlerin karşılaştırılması sonucu elde edilen öncelik vektörü süpermatrisin 1. sütununda yer almaktadır. Süpermatrisin stokastik olması sağlanmalıdır. Yani matrisin elemanları negatif değer içermemeli ve sütun toplamları 1 olmalıdır.
87
Tablo 7: SüpermatrisK F T H E TY TK YO GP FD CK
K 0,000 0,282 0,000 0,206 0,000 0,000 0,000 0,000 0,244 0,271 0,000 F 0,237 0,000 0,000 0,033 0,000 0,338 0,648 0,000 0,079 0,199 0,827 T 0,000 0,078 0,000 0,157 0,280 0,000 0,000 0,000 0,185 0,099 0,000 H 0,000 0,217 0,196 0,000 0,000 0,000 0,000 0,000 0,242 0,125 0,000 E 0,000 0,000 0,100 0,154 0,000 0,000 0,000 0,000 0,114 0,046 0,000 TY 0,094 0,057 0,179 0,157 0,251 0,000 0,000 0,000 0,040 0,071 0,000 TK 0,375 0,081 0,137 0,084 0,075 0,160 0,000 0,163 0,025 0,078 0,000 YO 0,176 0,083 0,174 0,091 0,149 0,254 0,155 0,000 0,052 0,088 0,000 GP 0,025 0,048 0,038 0,025 0,000 0,000 0,000 0,367 0,000 0,000 0,000 FD 0,067 0,094 0,067 0,048 0,106 0,151 0,197 0,195 0,000 0,000 0,173 CK 0,027 0,060 0,109 0,045 0,139 0,097 0,000 0,275 0,020 0,023 0,000
Limit Süpermatrisin Oluşturulması
Süpermatriste kriterler arasındaki dolaylı etkiler yerine sadece direkt etkiler dikkate alınmıştır. Bu nedenle süpermatrisin büyük dereceden (2k+1) kuvvetinin alınması gerekmektedir. Kuvvet alma işlemi, aynı satıra karşılık gelen sütun değerleri birbirine eşit olana kadar, yani matrisin satırları durağanlaşıncaya kadar yapılır. Elde edilen yeni matris, limit süpermatris olarak adlandırılır (Saaty, 2001). Limit süpermatris ile kriterlerin öncelikleri belirlenmiş olur. Karar sürecini etkileyen en önemli kriter, limit süpermatriste en yüksek önceliğe sahip olan kriteridir. Tablo 8’da süpermatrisin 16. kuvveti alınarak elde edilen limit süpermatris görülmektedir. Bu sonuçlar bize kriterlerin önem ağırlıklarını göstermektedir.
Tablo 8: Limit Süpermatris
K F T H E TY TK YO GP FD CK
K 0,117 0,117 0,117 0,117 0,117 0,117 0,117 0,117 0,117 0,117 0,117 F 0,207 0,207 0,207 0,207 0,207 0,207 0,207 0,207 0,207 0,207 0,207 T 0,058 0,058 0,058 0,058 0,058 0,058 0,058 0,058 0,058 0,058 0,058 H 0,830 0,830 0,830 0,830 0,830 0,830 0,830 0,830 0,830 0,830 0,830
88
E 0,030 0,030 0,030 0,030 0,030 0,030 0,030 0,030 0,030 0,030 0,030 TY 0,063 0,063 0,063 0,063 0,063 0,063 0,063 0,063 0,063 0,063 0,063 TK 0,114 0,114 0,114 0,114 0,114 0,114 0,114 0,114 0,114 0,114 0,114 YO 0,105 0,105 0,105 0,105 0,105 0,105 0,105 0,105 0,105 0,105 0,105 GP 0,056 0,056 0,056 0,056 0,056 0,056 0,056 0,056 0,056 0,056 0,056 FD 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 CK 0,068 0,068 0,068 0,068 0,068 0,068 0,068 0,068 0,068 0,068 0,068
Karar Matrisinin Oluşturulması ve En İyi ve En Kötü Değerleri Belirlenmesi
Seçenekler, 5’li Likert ölçeğine göre (1: Çok Düşük, 2: Düşük, 3: Orta, 4:
Yüksek ve 5: Çok Yüksek) şeklinde uzmanlarca değerlendirmeye tabi tutulmuştur.
Değerlendirme sonucunda Karar Matrisi (KM) oluşturulmuştur. KM aşağıda Tablo 9’da verilmiştir. En iyi ve en kötü değerler ise Tablo 10’da gösterilmiştir.
Tablo 9: Karar Matrisi
K F T H E TY TK YO GP FD CK S1 5 20 4 4 3 4 5 4 3 4 500 S2 5 25 5 5 4 4 5 5 4 4 1000 S3 4 18 4 4 3 3 4 4 4 4 100 S4 4 16 3 3 4 4 4 4 3 3 50
Tablo 10: En İyi ve En Kötü Değerleri 5 16 5 5 4 4 5 5 4 4 50 4 25 3 3 3 3 4 4 3 3 1000
Sj, Rj ve Qj Değerlerinin Hesaplanması
Tablo 11, Sj, Rj ve Qj değerlerinin sıralanmasını göstermektedir. Aşağıda örnek olarak S1 değerinin nasıl hesaplandığı (9) numaralı formülü kullanarak gösterilmiştir.
89
S1=0,117*(5-5)/(5-4)+0,207*(16-20)/(16-25)+0,058*(5-4)/(5-3)+0,83*(5-4)/(5-3)+0,03*(4- 3)/(4-3)+0,063*(4-4)/(4-3)+0,114*(5-5)/(5-4)+0,105*(5-4)/(5-4)+0,056*(4-3)/(4-3)+0,103*(4- 4)/(4-3)+0,068*(50-500)/(50-1000) = 0,759R1 değerinin (10) numaralı formülü kullanarak hesaplanması aşağıda örnek olarak gösterilmiştir.
R1 = max [0,117*(5-5)/(5-4); 0,207*(16-20)/(16-25); 0,058*(5-4)/(5-3); 0,83*(5-4)/(5-3);
0,03*(4-3)/(4-3);0,063*(4-4)/(4-3); 0,114*(5-5)/(5-4); 0,105*(5-4)/(5-4); 0,056*(4-3)/(4-3);
0,103*(4-4)/(4-3); 0,068*(50-500)/(50-1000)]
R1 = max [0; 0,092; 0,029; 0,415; 0,03; 0; 0; 0,105; 0,056; 0; 0,032] = 0,415
Q1 değerinin, (11) numaralı formülü kullanarak hesaplanması örnek olarak aşağıda gösterilmiştir.
Q1 = 0,5*(0,759-0,275)/(1,383-0,275)+(1-0,5)*(0,415-0,207)/(0,83-0,207) = 0,385
Tablo 11: Sj, Rj ve Qj Değerleri
S R Q
S1 0,759 0,415 0,385 S2 0,275 0,207 0,000 S3 0,923 0,415 0,459 S4 1,383 0,830 1,000
Sj, Rj ve Qj değerleri hesaplanıp küçükten büyüğe doğru sıralanmalıdır.
Tablo 12: Sj, Rj ve Qj Değerlerinin Küçükten Büyüğe Doğru Sıralanması
S R Q
S2 0,275 S2 0,207 S2 0,000 S1 0,759 S1 0,415 S1 0,385 S3 0,923 S3 0,415 S3 0,459 S4 1,383 S4 0,830 S4 1,000
90 formülünde değerler yerine konulduğunda (0,385-0)>=
0,333 sonucu C1 koşulu sağlanmaktadır. S2 seçeneği S
jve R
jsıralamasında da birinci sırayı alarak C2 koşulunu da yerine getirmektedir. Bu durumda en iyi seçeneğin S2 olduğu görülmektedir.
SONUÇ VE ÖNERİLER
Tedarikçi seçimi; birçok nitel ve nicel faktörü dikkate alarak, potansiyel tedarikçiler arasından işletme için en uygun olan tedarikçiyi belirleme sürecidir. İşletmeler, maliyetlerini azaltarak, zamanında ve hızlı teslimat yaparak, ürün kalitesini iyileştirerek, başarılı yönetim sergileyerek ve benzer iyileştirmelerle rekabet gücünü artırmak için kendi stratejisine uygun tedarikçilerle uzun süreli bağlantılar kurmak istemektedirler. Bu anlamda tedarikçi seçimi;
süreçte bağımlı ya da bağımsız faktörlerin etkili olduğu ÇKKV problemi olarak görülmektedir.
Bu çalışma ile bir işletme için BAAS ve VIKOR yöntemlerinin tümleşik olarak kullanıldığı tedarikçi seçim modeli geliştirilmiştir. BAAS, kriterlerin önem ağırlıklarını belirlemede, VIKOR ise belirlenen önem ağırlıklarını kullanarak en uygun tedarikçiyi seçmede kullanılmıştır. Modelin kriterleri literatür taraması sonucu; Kalite, Fiyat, Teslimat, Hizmet, Esneklik, Teknik Yeterlilik, Teknolojik Kabiliyet, Yönetim ve Organizasyon, Geçmiş Performans, Finansal Durum ve Coğrafi Konum olarak belirlenmiştir. Modelin uygulanması sonucunda en etkili kriterin 0,207 ile fiyat olduğu görülmüştür. Tedarikçi seçiminde ikinci sırada yer alan kriter ise 0,117 ile kalite olmuştur. En aza etkili kriterin ise 0,030 ile esneklik olduğu anlaşılmıştır. Modelin uygulanması sonucunda S2 tedarikçisinin en uygun tedarikçi olduğu anlaşılmıştır.
Bu çalışma ile BAAS ve VIKOR yöntemlerini temel alarak oluşturulan karar verme modelinin, tedarikçi seçim sürecinde özel yazılımlar gerektirmeden her hangi bir tablolama programı kullanılarak uygulanabileceği gösterilmiştir. Tedarikçi seçimine yönelik olarak ilerideki çalışmalarda; BAAS ile bütünleşmiş TOPSIS, PROMETHEE veya ELECTRE gibi diğer ÇKKV yöntemleri kullanılabilir ve elde edilen sonuçlar karşılaştırılabilir.